概要

AI LocalBase はローカル優先の知識ベース（RAG）システムで、文書をローカルに取り込みベクトル化して Qdrant で検索し、その結果を大規模言語モデル（ローカルの Ollama や OpenAI 互換エンドポイント）に渡して会話型の応答を生成します。Web UI による知識ベース管理、ファイルアップロード／解析、検索強化型 QA、チャット履歴の SQLite 保存、設定の JSON 永続化、Docker Compose によるワンコマンド起動など、自己ホスト環境で迅速に使える機能を揃えています。

リポジトリの統計情報

• スター数: 38
• フォーク数: 4
• ウォッチャー数: 38
• コミット数: 2
• ファイル数: 18
• メインの言語: Go

主な特徴

• ローカルで完結する RAG ワークフロー：文書アップロード → 埋め込み → Qdrant 検索 → モデル応答
• 多様なドキュメント対応：TXT / Markdown / PDF の解析と分割・インデックス化
• モデル接続の柔軟性：Ollama（ローカル）や OpenAI 互換 API をサポート
• 永続化とデプロイ：チャット履歴は SQLite、設定は JSON、Docker Compose で起動可能

技術的なポイント

バックエンドは Go（Gin）で軽量かつ並列処理に向く実装が期待され、フロントエンドは React + Vite + TypeScript によりレスポンシブな UI を提供します。ベクトル検索エンジンに Qdrant を採用しており、ドキュメントを埋め込みベクトルに変換した後、コレクション単位で管理・検索する典型的な RAG 構成です。チャット履歴の永続化には軽量な SQLite を利用しており、サーバー再起動後も会話を復元可能です。設定や知識ベースの状態はローカル JSON に保存され、自己ホスト運用での可搬性と簡易なバックアップを実現します。モデル接続は Ollama のネイティブ呼び出しや OpenAI 互換インターフェースに対応しており、ローカル LLM とクラウド LLM の両方を選択できます。Docker Compose による起動構成が整備されているため、Qdrant・バックエンド・フロントエンドをまとめて立ち上げられ、ローカルでの導入障壁を下げています。設計上はドキュメント分割（チャンクサイズとオーバーラップ）、メタデータ付きベクトル保存、検索結果のコンテキスト注入（プロンプト構成）といった RAG の標準パターンを踏襲しており、将来的に他のベクトルDBや埋め込みプロバイダを追加する拡張性も確保しやすい構成です。

プロジェクトの構成

主要なファイルとディレクトリ：

• .github: dir
• .gitignore: file
• AGENTS.md: file
• CHANGELOG.md: file
• CONTRIBUTING.md: file

…他 13 ファイル

まとめ

ローカルで完結するシンプルな RAG 環境を手早く構築したい個人／小規模チームに最適です。

リポジトリ情報：

• 名前: ai-localbase
• 説明: 説明なし
• スター数: 38
• 言語: Go
• URL: https://github.com/veyliss/ai-localbase
• オーナー: veyliss
• アバター: https://avatars.githubusercontent.com/u/105643199?v=4

READMEの抜粋：

AI LocalBase

一个本地优先的 AI 知识库系统（RAG），用于把本地文档接入向量检索与大模型对话流程。项目提供完整的 Web UI，支持知识库管理、文档上传、检索增强问答、聊天记录持久化，以及基于 Ollama 或 OpenAI 兼容接口的模型接入。

后端基于 Go + Gin，前端基于 React + Vite + TypeScript，向量数据库使用 Qdrant，适合个人或小团队在本地环境、自托管环境中快速搭建可用的知识库问答系统。

功能特性

核心能力

• 知识库管理：创建、删除知识库，查看文档列表
• 文档上传与索引：支持 TXT、Markdown、PDF 文件上传与解析
• 检索增强问答：基于 Qdrant 做向量检索并把命中内容注入对话上下文
• 聊天记录持久化：会话消息保存到本地 SQLite 数据库，重启后仍可恢复
• 配置持久化：模型配置与知识库状态保存到本地 JSON 文件
• Docker Compose 部署：支持一键拉起前端、后端、Qdrant

模型接入能力

• 原生支持 Ollama 聊天与嵌入调用
• 支…